Simulasikan deret ARCH dan GARCH
Dalam latihan ini, Anda akan mensimulasikan deret waktu ARCH(1) dan GARCH(1,1) menggunakan fungsi pradefinisi simulate_GARCH(n, omega, alpha, beta = 0).
Ingat perbedaan antara model ARCH(1) dan GARCH(1,1): selain komponen autoregresif sebesar \(\alpha\) yang mengalikan kuadrat residual pada lag-1, model GARCH juga mencakup komponen moving average sebesar \(\beta\) yang mengalikan varians pada lag-1.
Fungsi pradefinisi tersebut akan mensimulasikan deret ARCH/GARCH berdasarkan n (jumlah simulasi), omega, alpha, dan beta (secara bawaan 0) yang Anda tentukan. Fungsi ini akan mengembalikan residual dan varians hasil simulasi. Setelah itu Anda akan membuat plot dan mengamati varians hasil simulasi dari proses ARCH dan GARCH.
Latihan ini adalah bagian dari kursus
Model GARCH di Python
Petunjuk latihan
- Simulasikan proses ARCH(1) dengan
omega= 0.1,alpha= 0.7. - Simulasikan proses GARCH(1,1) dengan
omega= 0.1,alpha= 0.7, danbeta= 0.1. - Plot masing-masing varians ARCH hasil simulasi dan varians GARCH hasil simulasi.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Simulate a ARCH(1) series
arch_resid, arch_variance = simulate_GARCH(n= 200,
omega = ____, alpha = ____)
# Simulate a GARCH(1,1) series
garch_resid, garch_variance = simulate_GARCH(n= 200,
omega = ____, alpha = ____,
beta = ____)
# Plot the ARCH variance
plt.plot(____, color = 'red', label = 'ARCH Variance')
# Plot the GARCH variance
plt.plot(____, color = 'orange', label = 'GARCH Variance')
plt.legend()
plt.show()